文档介绍：人工神
网络
学号：7
学生所在学院：信息工程学院
学生姓名：李建建
任课教师：聂文滨
教师所在学院：信息工程学院
2021年12月
第一局性映射。
2。1。1BP网络主要应用：
(1)函数逼近：用输入矢量和相应的输出矢量训练一个网络逼近一个函数
(2)模式识别和分类：用一个特定的输出矢量将它与输入矢量联系起来；把输入矢量以所定义的适宜方式进行分类；
(3)数据压缩：减少输出矢量维数以便于传输或存储
(4)具有将强泛化性能：使网络平滑地学****函数，使网络能够合理地响应被训练以外的输入泛化性能只对被训练的输入/输出对最大值范围内的数据有效，即网络具有内插值特性，
不具有外插值性。超出最大训练值的输入必将产生大的输出误差
2。1。2BP网络特点
(1)输入和输出是并行的模拟量
(2)网络的输入输出关系是各层连接的权因子决定，没有固定的算法
(3)权因子通过学****信号调节。学****越多，网络越聪明
(4)隐含层越多，网络输出精度越高，且个别权因子的损坏不会对网络输出产生大的影响
只有当希望对网络的输出进行限制，如限制在。和1之间，那么在输出层应当包含S型激
活函数。在一般情况下，均是在隐含层采用S型激活函数，而输出层采用线性激活函数。
2。1。3多层BP网络简介
每一层都由假设干个神经元组
多层BP网络是一种具有三层或三层以上的多层神经网络，
成，如图2-1所示，它的左、右各层之间各个神经元实现全连接，即左层的每个神经元与右层的每个神经元都由连接，而上下神经元无连接。
2-1多层BP网络
BP网络按有教师学****方式进行训练，当一对学****模式提供应网络以后，其神经元的激活值将从输入层经中间层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响
应。然后，按减少希望输出与实际输出误差的原那么，从输出层经中间层，最后回到输入层逐层修正个连接权。由于这种修正过程是从输出到输入逐层进行的，所以称它为“误差逆传播
算法〞。随着这种误差逆传播训练的不断进行，网络对输入模式响应的正确率也将不断提高。
由于BP网络有处于中间位置的隐含层，并有相应的学****规那么可循，可训练这种网络，使其具有对非线性模式的识别能力。
图2-2用于多指标综合评价的三层BP神经网络
2。2三层BP网络
三层BP网络结构图
2-2三层BP网络结构图
三层BP网络学****算法
为了使BP网络具有某种功能，完成某项任务，必须调整层间连接权值和节点阈值，使
所有样品的实际输出和期望输出之间的误差稳定在一个较小的值以内。在训练BP网络算法
中，误差反向传播算法是最有效最常用的一种方法。
BP网的学****过程主要有以下四个局部组成。
输入模式顺传播〔输入模式由输入层经中间层向输出层传播计算〕。
输出误差逆传播〔输出的误差由输出层经中间层传向输入层〕。
循环记忆训练〔模式顺传播与误差逆传播的计算过程反复交替循环进行〕。
学****结果判别〔判定全局误差是否趋向极小值〕。
2。2。3三层BP网络设计需要考虑的问题
在进行BP网络的设计时，应从网络的层数、每层中的神经元数、初始值及学****速率等几个方面考虑。
网络的层数
已经证明：三层BP网络可以实现多维单位立方体Rm到Rn的映射，即能够逼近任何有
理函数。这实际上给了一个设计BP网络的根本原那么。增加层数可以更进一步降低误差，提
高精度，但同时也使网络复杂化，从而增加网络权值的训练时间。而误差精度的提高实际上
可以通过增加隐含层的神经元数目来获得，其训练结果也比增加层数更容易观察和调整。所
以一般情况下，应优先考虑增加隐含层的神经元个数。
隐含层的神经元数
网络训练精度的提高，可以通过采用一个隐含层而增加神经元数的方法来获得。这在结
构的实现上要比增加更多的隐含层简单的多。在具体设计时，比拟实际的做法是隐含层取输
入层的两倍，然后适当地加上一点余量。评价一个网络设计的好坏，首先是它的精度，再是
它的训练时间。时间包含两层含义：一层是循环次数，二是每一次循环所花的时间。
初值权值的选取
由于系统是非线性的，初始值的选取对于学****是否到达局部最小，是否能够收敛以及训
练时间的长短有很大关系。初始值过大、过小都会影响学****速度，因此权值的初始值应选为
均匀分布的小数经验值，一般取初始权值在〔-1，1〕之间的随机数，也有选取在[-2。4/F，2。4/F]
之间的随机数的，其中F为输入特征个数。为防止每一步权值的调整方向是同向的，应将
初始值设为随机数。
学****速率
学****速率决定每一次循环中所产生的权值变化量。快的学****速率可能导致系统的不稳
定。但慢的学****速